Sistema de internet de las cosas con algoritmos de aprendizaje automático para la detección temprana de dificultades lectoras en niños con autismo de educación básica.
| dc.contributor.advisor | Nata Castro , Daisy Judith | |
| dc.contributor.author | Gracia Guato , Felix Rafael | |
| dc.date.accessioned | 2026-03-11T20:06:18Z | |
| dc.date.available | 2026-03-11T20:06:18Z | |
| dc.date.issued | 2025 | |
| dc.description | This project develops a low-cost multimodal system, based on IoT and machine learning, for the early detection of attention and speech indicators in elementary school children with Autism Spectrum Disorder (ASD). Given the lack of objective monitoring tools, a scalable architecture was designed with non-invasive sensor nodes (ESP32-CAM, microphones) that capture visual and auditory data. A central software processes data using three AI specialists: a visual attention detector (Media Pipe), a voice transcriber (Vosk), and a linguistic coherence analyzer. The system identifies patterns such as gaze deviation or repetitions, displaying the results on a web dashboard for teachers. Validation was performed through a pilot application at the "ROUSSBRISS" Institution, in a real-world setting with 4 children with ASD over 9 days. The detection algorithms achieved 93% accuracy in attention and high reliability in speech. The project concludes with a functional prototype that represents a viable pedagogical support tool, discussing its limitations and scalability plan. | |
| dc.description.abstract | Este proyecto desarrolla un sistema multimodal de bajo costo, basado en IoT y aprendizaje automático, para la detección temprana de indicadores de atención y habla en niños de educación básica con Trastorno del Espectro Autista (TEA). Ante la falta de herramientas objetivas de monitoreo, se diseñó una arquitectura escalable con nodos sensores no invasivos (ESP32-CAM, micrófonos) que capturan datos visuales y auditivos. Un software central procesa los datos mediante tres especialistas de IA: un detector de atención visual (MediaPipe), un transcriptor de voz (Vosk) y un analizador de coherencia lingüística. El sistema identifica patrones como desvío de la mirada o repeticiones, visualizando los resultados en un dashboard web para docentes. La validación se realizó mediante una aplicación piloto en la Institución “ROUSSBRISS”, en un entorno real con 4 niños con TEA durante 9 días. Los algoritmos de detección alcanzaron una precisión del 93% en atención y alta fiabilidad en habla. Se concluye con un prototipo funcional que representa una herramienta de apoyo pedagógico viable, discutiendo sus limitaciones y su plan de escalabilidad. | |
| dc.format.extent | 91 | |
| dc.identifier.citation | Gracia Guato, Felix Rafael (2025). Sistema de internet de las cosas con algoritmos de aprendizaje automático para la detección temprana de dificultades lectoras en niños con autismo de educación básica Quevedo. UTEQ. 91 Paginas | |
| dc.identifier.other | 4600110 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/9156 | |
| dc.language.iso | spa | |
| dc.publisher | QUEVEDO: UTEQ | |
| dc.rights | openAccess | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | |
| dc.subject | Internet de las Cosas (IoT) | |
| dc.subject | Aprendizaje Automático | |
| dc.subject | Trastorno del Espectro Autista (TEA) | |
| dc.subject | Detección Temprana | |
| dc.subject | Análisis Multimodal | |
| dc.title | Sistema de internet de las cosas con algoritmos de aprendizaje automático para la detección temprana de dificultades lectoras en niños con autismo de educación básica. | |
| dc.type | bachelorThesis |
